O que é due diligence? Como VCs verificam startups de IA
Resumo
Due diligence é a verificação estruturada das afirmações de uma empresa antes que dinheiro, participação societária ou assinatura mudem de mãos. Em venture capital, o investidor testa finanças, situação jurídica, tecnologia, mercado e equipe contra o pitch deck. Em startups de IA, a lista ganha dois itens: a propriedade dos dados de treinamento e o efeito do custo de inferência na margem bruta.
O que é due diligence? É a verificação estruturada das afirmações de uma empresa antes que dinheiro, participação societária ou uma assinatura mudem de mãos. Em venture capital, o investidor testa finanças, situação jurídica, tecnologia, mercado e equipe contra o que o pitch deck afirma. Na prática, isso significa uma lista de pedidos, uma data room e algumas semanas em que cada número é conferido duas vezes. Para startups de IA em 2026, a lista ganha duas linhas extras: quem é dono dos dados de treinamento e o que o custo de inferência faz com a margem bruta.
O que a due diligence cobre em um deal de venture?
Cinco frentes de trabalho rodam em paralelo. Cada uma tem um responsável, uma lista de evidências e uma regra de parada.
Financeira: qualidade da receita, burn, runway e retenção por coorte. Evidências: P&L mensal, extratos bancários e ponte de ARR.
Jurídica: cap table, constituição da empresa, contratos e litígios. Evidências: estatuto social, acordo de sócios, plano de opções e MSAs com clientes.
Técnica: arquitetura, segurança, propriedade intelectual e escalabilidade. Evidências: revisão de código, teste de intrusão e acesso ao repositório.
Comercial: tamanho de mercado, pipeline, churn e concentração de clientes. Evidências: ligações com clientes, exportação do CRM e notas de ganho e perda.
Equipe: histórico dos fundadores, contratações-chave e referências. Evidências: ligações de referência, contratos de trabalho.
Quanto mais cedo o estágio, mais leves ficam as quatro primeiras linhas. Um pre-seed se apoia quase inteiramente na frente de equipe, porque não há muito mais o que auditar. Na Série A, as frentes financeira e jurídica carregam a maior parte do peso, e o investidor espera livros limpos. A Kruze Consulting publica checklists de due diligence por estágio que mostram quais itens os investidores costumam pedir no pre-seed, na Série A e na Série B.
Um ponto precisa ficar claro antes de tudo: due diligence não é auditoria. Um auditor atesta que as demonstrações seguem as regras contábeis. Uma equipe de diligência pergunta se o negócio é o que o vendedor diz que é, e precifica a diferença. Os achados não apenas aprovam ou reprovam um deal. Eles mudam o valuation, os termos do escrow e as condições de fechamento.
Quem conduz o processo e quanto tempo ele leva?
Do lado do comprador, um sócio líder ou principal conduz o processo, um associado constrói o modelo e um escritório externo cuida da frente jurídica. Contadores e consultores técnicos entram para perguntas específicas, não para o arquivo inteiro. Do lado do vendedor, o CFO ou um líder financeiro fracionado monta a data room e responde às perguntas.
Os prazos variam com o tamanho do deal. Uma rodada seed, com um líder que já conhece os fundadores, pode fechar em duas a três semanas. Uma Série B com investidores novos fica mais perto de seis a oito semanas. Uma aquisição de controle leva mais tempo, porque as frentes jurídica e tributária se expandem. Trate esses números como faixas operacionais, não como benchmarks: nenhum conjunto público de dados acompanha a duração da diligência, e quem cita uma média precisa está chutando.
O custo que pesa raramente é a tabela de honorários. É a atenção dos fundadores. Uma equipe que passa quatro semanas respondendo pedidos não está entregando produto, e investidores que entendem isso enviam uma única lista consolidada em vez de cinco.
Qual é a sequência de sete etapas que a maioria dos deals segue?
Triagem. Aderência à tese, estágio e tamanho do cheque. A maior parte do pipeline morre aqui, e esse é o objetivo.
Call com a gestão. Os fundadores percorrem os números. O investidor escuta o que o deck omite.
Lista de pedidos. Um arquivo estruturado de documentos, enviado uma única vez. O sample VC request list da Cooley GO é um modelo muito reutilizado.
Revisão da data room. As frentes financeira, jurídica e técnica são checadas em paralelo.
Referências e clientes. Apuração com ex-colegas e, depois, com três a cinco clientes.
Memorando de achados. Red flags classificados como impeditivos, como fatores que mudam o preço ou como pontos corrigíveis após o fechamento.
Ajuste do term sheet ou desistência. Os achados viram representações, indenizações, escrow ou um preço menor.
Pular a etapa 5 é o atalho mais comum e o mais caro. Um cliente que diz "estamos avaliando alternativas" emite um sinal que nenhuma data room contém.
O que muda quando o alvo é uma startup de IA?
A due diligence tradicional de software revisa qualidade de código, segurança e arquitetura. Tudo isso continua valendo. A camada de IA acrescenta quatro perguntas que decidem o deal.
A empresa é dona do que treina? Os dados de treinamento podem ser licenciados, raspados da web, comprados ou gerados pelos usuários, e cada origem carrega direitos diferentes. O investidor pede a licença de cada conjunto de dados relevante e confirma que o treinamento do modelo é um uso permitido. A falta de procedência não é uma nota de rodapé. Em casos graves, ela deixa um modelo inutilizável. Revisores regulatórios também pedem avaliações de impacto sobre proteção de dados e a base legal para qualquer dado pessoal presente no treinamento.
A capacidade é proprietária ou alugada? Modelos de fundação estão cada vez mais commoditizados. Se o produto é um prompt e um fluxo de trabalho embrulhados em torno de uma API de terceiros, um concorrente com uma equipe pequena de engenharia pode copiá-lo. O sinal a procurar é dado proprietário, rigor de avaliação e profundidade de integração no fluxo de trabalho do cliente. Uma demo não prova nada disso.
A economia unitária sobrevive à escala? O custo de inferência cresce com o uso. Uma startup que informa 80% de margem bruta em um piloto com dez clientes amigos não disse qual será a margem com dez mil requisições por dia. Peça o custo por tarefa, por coorte de clientes, nos últimos seis meses.
O modelo pode ser reproduzido e defendido? Model cards, logs de treinamento, conjuntos de avaliação e histórico de versões são o equivalente em IA das demonstrações auditadas. Se a equipe não consegue rodar de novo a precisão principal do trimestre passado em um dataset novo, a projeção de adoção construída sobre ela é frágil.
A segurança merece uma linha própria. Agentes com permissões amplas, exposição a prompt injection e acesso a dados de terceiros são superfícies de ataque que as revisões clássicas de software não foram feitas para testar. O red flag é simples: dados sensíveis acessíveis por um sistema que não tem motivo para vê-los.
De onde vêm os dados: a camada de fora para dentro
Antes de a data room ser aberta, a equipe de diligência monta uma visão de fora para dentro a partir de bases de dados. Quem mais financiou essa empresa, como está o ritmo de contratações e como a página de preços do produto mudou. Essa camada é barata em relação ao resto e define as perguntas da call com a gestão.
O Crunchbase é o ponto de entrada. Segundo as listagens dos fornecedores, o plano Pro de autoatendimento custa cerca de $49 por usuário por mês, com cobrança anual, e as exportações são limitadas a 2.000 linhas por mês. Esse limite é a restrição a planejar: basta para a verificação de uma única empresa e é baixo demais para mapear um vertical.
O PitchBook fica no outro extremo. Cobre cerca de 4,5 milhões de empresas e 525.000 investidores, e é vendido sob cotação, com preço por assento e perfil corporativo. A cobertura justifica o custo quando você precisa de comparáveis de negócios, dados por fundo e histórico de M&A em um só lugar. Não justifica para uma verificação pontual.
O Dealroom é a opção mais forte para alvos europeus. O preço divulgado começa em torno de EUR 12.600 para um mínimo de três assentos, por isso é uma ferramenta de equipe, não de analista solo.
O Tracxn organiza empresas em uma taxonomia setorial curada, com relatórios de paisagem escritos por analistas, e é mais forte na Índia e no Sudeste Asiático. Para um alvo de IA nesses mercados, costuma revelar concorrentes que as bases ocidentais deixam de fora.
Nenhuma dessas ferramentas substitui a data room. Elas indicam quais afirmações testar primeiro. A diferença entre o que a base mostra e o que o fundador diz é onde a call com a gestão deve gastar seu tempo.
Quais red flags mudam o preço e quais encerram o deal?
Nem todo achado tem o mesmo peso. A classificação útil é pelo que o investidor pode fazer a respeito.
Encerram o deal:
IP de fundador ou de colaborador-chave que não foi transferido para a empresa
Dados de treinamento obtidos em violação da licença, sem caminho de correção
Receita que não pode ser conciliada com os extratos bancários
Mudam o preço:
Custos de inferência que comprimem a margem bruta abaixo do modelo apresentado no deck
Concentração de clientes acima de um terço da ARR em uma única conta
Conflitos de licença open source que exigem rearquitetura
São corrigíveis após o fechamento:
Atas de conselho ausentes ou concessões de opções desatualizadas
Lacunas de segurança com plano de correção definido
Versionamento de modelo não documentado
A classificação define o contrato. Itens que encerram o deal interrompem o processo. Itens que mudam o preço viram um valuation menor ou um earn-out vinculado a desempenho verificado. Itens corrigíveis viram condições de fechamento, escrow ou retenções atreladas a marcos de correção.
Como o fundador deve se preparar antes de abrir a data room?
Comece de 60 a 90 dias antes da rodada. Faça a mesma auto-avaliação das cinco frentes e corrija o que é barato de corrigir: atribua a propriedade intelectual, limpe o cap table, concilie a receita com o banco e registre por escrito as licenças dos dados de treinamento. Investidores precificam o que o fundador consegue provar, e durante a diligência cada afirmação não comprovada vira desconto.
Construa a data room como uma ferramenta de operação, não como um esforço de última hora. Um fechamento mensal que produz os mesmos artefatos que o investidor vai pedir torna a próxima rodada uma tarefa de copiar e colar.
Para empresas de IA, monte quatro documentos antes que alguém peça: um inventário de datasets com os termos de licença, um model card para cada modelo em produção, um relatório de avaliação que descreva o conjunto de testes e uma tabela de custo por tarefa por coorte. Esses quatro documentos respondem à maior parte das perguntas específicas de IA de uma vez só.
O que faríamos na prática
Para uma rodada seed ou Série A, dispense o pacote completo de consultores externos. Faça a verificação na base de dados de fora para dentro, duas ligações com clientes e uma checagem jurídica de uma página sobre a atribuição de IP e o cap table. Isso cobre as falhas que de fato matam deals.
Para uma Série B ou uma aquisição, pague pela revisão técnica se a tese de IA é o que sustenta o valuation. Um modelo alugado e um modelo proprietário são precificados de forma muito diferente, e a única forma de distingui-los é pedir a evidência.
Sinais, não narrativas: o arquivo de diligência está concluído quando cada afirmação do deck tem um documento ao lado, ou um desconto.